基于TVFEMD-IMF能量熵增量的桥梁监测数据降噪方法

• Published in: 振动、测试与诊断 Vol. 44; no. 1; pp. 178 - 185
• Main Authors: 李双江, 辛景舟, 蒋黎明, 刘水康, 巴建明, 周建庭
• Format: Journal Article
• Language: Chinese
• Published: 重庆交通大学土木工程学院 重庆,400074%中国葛洲坝集团第二工程有限公司 成都,610091 01.02.2024; 重庆交通大学省部共建山区桥梁及隧道工程国家重点实验室 重庆,400074
• Subjects: 桥梁; 健康监测; 本征模函数能量熵增量; health monitoring; de-noise; bridge; 降噪; 时变滤波经验模态分解; time-varying filtered empirical mode decomposition; intrinsic mode function energy entropy increment
• ISSN: 1004-6801
• DOI: 10.16450/j.cnki.issn.1004-6801.2024.01.027

TP274%TH70%U446; 针对桥梁监测数据受多重噪声干扰、影响结构真实响应获取的问题,提出了一种基于时变滤波经验模态分解(time-varying filtering empirical mode decomposition,简称 TVFEMD)和本征模函数(intrinsic mode function,简称IMF)能量熵增量的桥梁监测数据降噪方法.首先,利用TVFEMD分解桥梁原始监测数据,得到多个子序列;其次,采用IMF能量熵增量确定多个子序列中的有效子序列;然后,划分子序列中的结构响应分量和噪声分量,对结构响应分量重组实现监测数据降噪;最后,利用平均绝对误差(mean absolute error,简称MAE)、均方根误差(root mean squared error,简称RMSE)和信噪比(signal-noise ratio,简称SNR)对不同方法的降噪效果进行评价.仿真算例和工程实例结果表明:TVFEMD相比经验模态分解(empirical mode decomposition,简称EMD),有效解决了模态混叠问题;TVFEMD结合IMF能量熵增量方法,有效抑制了多重噪声影响,对结果精度有较大提升;与EMD-IMF能量熵增量和Kalman滤波降噪法相比,TVFEMD-IMF能量熵增量法所得到降噪信号的MAE和RMSE值分别提升了 23％和21％以上,降噪效果更好,信噪比提升38％以上,抗噪性能更佳.